令人矚目的是,攻擊者未使用任何專有或自訂打造的AI。該框架完全建構在開源代理框架Hermes與OpenClaw之上,並使用公開可用的LLM模型 。這大幅降低了國家級與非國家級行為者發動複雜自主網路行動的門檻。
該框架配備了先進的自主能力:貝葉斯優先排序(Bayesian prioritization)用以排列14條平行攻擊鏈的優先順序;自主學習循環,能在受阻時自動搜尋GitHub與漏洞資料庫尋找新技術;以及無需人工干預即可在行動中調整策略的反饋迴路 。
該框架透過將所有行動包裝成「授權滲透測試」來繞過LLM的安全防護與模型拒絕機制——當任務被呈現為合法的安全測試時,LLM模型便會配合執行 。這種對AI本身的「社交工程」手法,代表一種新穎的攻擊向量,直接削弱了當前安全校準方法的有效性。
Dream並未正式歸因此攻擊。然而,對作戰文件的語言分析顯示,攻擊者內部狀態報告使用簡體中文,而針對目標的分析則使用繁體中文,這種語碼轉換(code-switching)模式指向中文使用者 。攻擊者內部通訊使用簡體中文,被視為一項強烈的間接證據
。
美國也加強了關注力度。一份2026年8月9日的國會研究服務處(CRS)報告〈代理式AI與網路攻擊〉,引用了2025年9月中國國家級駭客利用AI代理能力進行間諜活動的Anthropic GTG-1002事件 。這顯示美國政府對中國AI驅動的網路威脅,以及其對國家安全的更廣泛影響,已提高警覺。
Dream的發現標誌著一個分水嶺時刻。此次攻擊證明了,由網路上免費取得的開源元件建構而成的自主AI代理,如今已能執行傳統上需要一組熟練人類駭客團隊才能完成的複雜、多階段網路行動。自主學習、貝葉斯優先排序,以及透過操縱AI對自身任務的理解來繞過AI安全防護的能力,這三者結合,創造了一個從根本上全新的威脅格局。
世界各國的政府與關鍵基礎設施營運商,現在都必須為一個對手以機器速度運作的世界做好準備——而攻擊他們的AI代理,其學習與適應速度可能比任何人類防禦團隊的反應都還要快。